法精确描述障碍物位置。
3.2.4 超声波雷达
图为自动泊车示意图
3.2.5 环境感知实例——车道 线检测
车道线检测是智能车辆辅助驾驶系统中 必不可少的环节，快速准确地检测车道 线在协助自动驾驶路径规划和偏移预警 等方面尤为重要。目前较为常见的车道 线检测方案主要是基于摄像头及传统计 算机视觉的检测，同时随着自动驾驶技 术的逐步发展，基于激光雷达等高精设 备的车道线检测算法也被提出。
3.3.3 惯性导航定位
惯导系统利用载体先前的位置、惯性传 感器测量的加速度和角速度来确定其当 前位置。给定初始条件，加速度经过一 次积分得到速度，经过二次积分得到位 置。相反，速度和加速度也可以通过对 位移的微分而估算得到
3.3.3 惯性导航定位
输入
加速度 a 角速度
温度 磁场 功率变化
3.2.2 摄像头
（1）高动态：在较暗环境以及明暗差异较大 时仍能实现识别，要求摄像头具有高动态的 特性。
（2）中低像素：为了降低对图像处理器的性 能要求，摄像头的像素并不需要非常高。目 前30万~120万左右的像素就可以满足要求。
（3）角度要求：对于环视和后视，一般采用 135度以上的广角镜头，前置摄像头对视距要 求更大，一般采用55度范围。
3.4.3 高精地图的制作
3.4.3 高精地图的制作
3.4.3 高精地图的制作
3.5 规划与决策系统概述
3.5.1 路径规划
路由寻径、行为决策、动作规划三个部 分又可统称为路径规划，路径规划部分 承接上层感知预测结果，从功能上可分 为全局路径规划和局部路径规划。
3.2.5 环境感知实例——车道 线检测
传统计算机视觉的车道线检测主要依赖 于高度定义化的手工特征提取和启发式 的方法。
基于道路特征的检测方法根据提取特征 的不同，可以进一步分为基于颜色特征 、纹理特征和多特征融合的检测方法。
下图展示了基于不同算子的车道线提取 效果对比图。
3.2.5 环境感知实例——车道 线检测
Chapter 3 自动驾驶汽车技术架构
Outline
3.1自动驾驶汽车整体架构 3.2环境感知传感器技术 3.3定位系统 3.4高精度地图技术概述 3.5规划与决策系统概述 3.6V2X技术概述
3.1自动驾驶汽车整体架构
3.1自动驾驶汽车整体架构
自动驾驶系统是一个复杂的系统。为了 实现从A地到B地的驾驶过程，在无人车 的实际使用中，需要无人驾驶系统完成 感知、决策、控制三大任务，如上页图 所示。
3.3.1 卫星定位技术
GNSS定位系统是利用基本三角定位原理 。
分别以三个卫星的位置为圆心，三个卫 星据地面某点距离为半径作球面，则球 面交点即为地面用户位置。
3.3.1 卫星定位技术
3.3.1 卫星定位技术
误差来源 与信号传播有关的误差 与卫星有关的误差 与接收机有关的误差 其他误差
电离层延迟 对流层延迟 多径效应 星历误差 时钟误差 相对论效应 时钟误差 位置误差
EMI 其他
输出
惯性传感器
f a,,
3.3.4 多传感器融合定位技术
多传感器信息融合是20世纪80年代出现 的一门新兴学科，它是将不同传感器对 某一目标或环境特征描述的信息，综合 成统一的特征表达信息及其处理的过程 。多传感器信息融合实际上是对人脑综 合处理复杂问题的一种功能模拟。
3.3.4 多传感器融合定位技术
近年来，越来越多的研究者将目光投向 了用激光雷达进行车道线检测。激光雷 达的有效距离比传统视觉高，有效采样 点多，并且可以穿透水面，具有突出的 性能优势。
基于反射强度信息的方法。该方法主要 基于激光雷达反射强度信息形成的灰度 图，或者根据强度信息与高程信息配合 ，过滤出无效信息，然后对车道线进行 拟合。
目前世界上著名的卫星导航系统有美国 的全球定位系统（GPS）、俄罗斯的全球 导航卫星系统（GLONASS）、中国的北 斗卫星导航系统（BDS）以及欧盟伽利略 （Galileo）系统。
3.3.1 卫星定位技术
GNSS定位主要解决两个问题：一是观测 瞬间卫星的空间位置，二是测量站点卫 星之间的距离。空间位置即GNSS卫星在 某坐标系中的坐标，为此首先要建立适 当的坐标系来表征卫星的参考位置，而 坐标又往往与时间联系在一起，因此， 定位是基于坐标系统和时间系统来进行 的。
利用车辆四周摄像头获取的影像，通过图像拼接技术，输出 车辆周边的全景图
泊车时将车尾的影像显示在驾驶舱内，预测并标记倒车轨迹， 辅助驾驶员泊车
安装在车内，用于检测驾驶员是否疲劳、闭眼等
3.2.2 摄像头
根据不同自动驾驶功能的需要，摄像头 的安装位置也有所不同，主要分前视、 环视、后视、侧视以及内置。实现全部 自动驾驶功能至少安装6个以上的摄像头 。
当摄像头检测到与前车距离过近，可能发生追尾时，就会发 出警报 识别前方道路两侧的交通标志
当前视摄像头检测到车辆即将偏离车道线时，就会向控制中 心发出信息，然后由控制中心发出指令，及时纠正行驶方向
前视 侧视 前视、侧视、后视 后视 内置
前摄像头会标记前方道路行人，并在可能发生碰撞时及时发 出警报
利用侧视摄像头，将后视镜盲区内的景象显示在驾驶舱盲区 内
高精地图数据生产包括外业数据采集、 云端自动化处理、地图编辑与质量控制 、数据编译等步骤，如图3.25所示。外 业数据采集，通过搭载GNSS、IMU、 LiDAR、摄像头等传感器的专业采集车队 ，外业实地采集车道线、路沿护栏、交 通标牌等信息。通过点云融合、点云识 别和图像识别等AI技术，在云端实现自 动化处理
3.4.1 高精地图综述
与传统地图不同，高精电子地图的主要 应用对象是无人驾驶汽车，或者说是机 器驾驶员。
借助高精地图能够扩展车辆的静态环境 感知能力，为车辆提供其他传感器提供 不了的全局视野，包括传感器监测范围 外的道路、交通和设施信息。
3.4.1 高精地图综述
3.4.3 高精地图的制作
3.3.2 差分定位系统
数据链路
z R<100km y
基准站 x （xº,yº,zº）
位置差分
流动站
数据传输链路
测量值Rˊ 实际值R
z
y
基准站 （xº,yº,zº） x
伪距差分
RTK载波差分
3.3.3 惯性导航定位
惯性导航系统是一种不依赖于外部信息 、也不向外部辐射能量的自主式导航系 统。其主要由3个模块组成:惯性测量单 元(Inertial measurement unit，IMU)、 预处理单元和机械力学编排模块
3.3 定位系统
车辆定位是让无人驾驶汽车获取自身确 切位置的技术，在自动驾驶技术中定位 担负着相当重要的职责。车辆自身定位 信息获取的方式多样，涉及到多种传感 器类型与相关技术，本章将从卫星定位 、差分定位、惯性导航定位及多传感器 融合定位几个方面进行介绍。
3.3.1 卫星定位技术
卫星导航定位系统是星基无线电导航系 统，以人造地球卫星作为导航台，为全 球海陆空的各类军民载体提供全天候的 、高精度的位置、速度和时间信息。
3.2.3 毫米波雷达
毫米波雷达具有全天候，全天时的工作 特性，且探测距离远，探测精度高，被 广泛应用于车载距离探测，如自适应巡 航、碰撞预警、盲区探测、自动紧急制 动等。
毫米波雷达的测距和测速原理都是基于 多普勒效应。
3.2.3 毫米波雷达
3.2.4 超声波雷达
超声波雷达，是通过发射并接收40kHz的 超声波，根据时间差算出障碍物距离。 其测距精度大约是1-3厘米左右。
常见的超声波雷达有两种：第一种是安 装在汽车前后保险杠上的倒车雷达，称 为超声波驻车辅助传感器（UPA）；第二 种是安装在汽车侧面，称为自动泊车辅 助传感器（APA）。
3.2.4 超声波雷达
超声波是一种机械波，使得超声波雷达 有着根源性的局限性：
（1）对温度敏感。 （2）超声波散射角大，方向性较差，无
3.3.4 多传感器融合定位技术
数据融合需要借助融合算法，融合算法 可分为随机类和人工智能类两大类，随 机类多传感器数据融合方法主要有:贝叶 斯推理、D-S 证据理论，以及包括最大 似然估计、综合平均法、贝叶斯估计、 D-S法、最优估计、卡尔精地图作为自动驾驶技术发展成熟的 重要支撑，在横向/纵向精确定位、障碍 物检测与避撞、转向与引导等方面发挥 着重要的作用，是自动驾驶的核心技术 之一。精准的地图对无人车的定位、导 航与控制、以及自动驾驶的安全至关重 要。
3.2.2 摄像头
自动驾驶辅助功能 车道偏离预警LDW 前向碰撞预警FCW 交通标志识别TSR 车道保持辅助LKA
行人碰撞预警PCW 盲点监测BSD 全景泊车SVP 泊车辅助PA 驾驶员注意力监测
使用摄像头 前视 前视 前视、侧视 前视
具体功能简介
当前视摄像头检测到车辆即将偏离车道线时，就会发出警报
3.2环境感知传感器技术
远距离测屢_能力
分辨率 低误报率 温度适应性 不良天气适应性
灰尘/潮湿适应性
低成本硬件 低成本信号处理
激光雷达 优
良 良 优 较差
较差
较差 较差
毫米波雷达 优
优 优 优 优
优
优 优
摄像头 优
优 一般 优 较差
较差
优 较差
GNSS/IMU 优
优 优 优 优
较差
良 良
3.2.1 激光雷达
本章将主要介绍感知系统中常用的感知 技术及其原理、定位系统、高精地图以 及V2X技术的相关知识，同时介绍规划决 策系统的相关技术与算法。
3.2环境感知传感器技术
感知、决策、控制是自动驾驶的三个环 节，感知环节采集周围环境的基本信息 ，也是自动驾驶的基础。自动驾驶汽车 通过传感器来感知环境，所用到的传感 器主要包括摄像头、毫米波雷达和激光 雷达。下表列出了现有的多种传感器在 多方面的性能对比。